CRM × AI ── 顧客関係管理にAIを入れる── 実装の構造と、属人性・データ品質・倫理の落とし穴

01従来 CRM の限界 ── 「保存」で止まっていた

まず、AI 以前の CRM が何をしていたかを正確におさえます。Salesforce や Veeva といった代表的な CRM は、突き詰めれば 「顧客ごとの記録簿」 です。医師 A に何月何日に会い、どの製剤の話をし、どんな反応だったか。次回はいつ、何を持っていくか。これを一件ずつ入力し、担当者が見返して次の動きを決める。この形が数十年続いてきました。

この仕組みには、はっきりした限界が 3 つあります。

• 記録は過去しか語らない ── 保存されたデータは「何があったか」は教えても、「次に何が起きるか」は教えません。予測は担当者の勘に委ねられてきました
• 入力されなければ存在しない ── 担当者が面談後の入力を怠れば、その接触はデータ上なかったことになります。忙しい現場ほど記録が薄くなり、CRM が実態を映さなくなる
• 理解が担当者に閉じる ── 「この先生はデータに厳しい」「あの薬剤部長は朝の機嫌がよい」といった勘どころは、担当者個人の記憶にとどまり、異動や退職とともに消えます

顧客満足の古典的研究として知られる Oliver (1980) の 期待不一致モデル (＝顧客は事前の期待と実際の経験のズレで満足度を決める、という理論) は、満足が「事前の期待」と「事後の経験」の差で決まると示しました。従来 CRM は事後の経験だけを記録し、事前の期待、つまりその顧客が次に何を望むかを、構造として扱えなかった。ここに AI が入る余地があります。

02AI CRM の構造 ── 予測と提案のレイヤー

AI を入れた CRM は、既存の記録簿を捨てません。記録簿の 上に、予測と提案のレイヤーを重ねます。構造は、次の 4 層で捉えると整理しやすくなります。

大事なのは、AI が入るのは主に第 3 層と第 4 層だという点です。世間では「AI CRM」が第 3・4 層の魔法のように語られがちですが、実際には 第 1 層と第 2 層の地味な整備 ができていない組織で予測層だけ入れても、機能しません。汚れた土台の上に立てた予測は、汚れた予測になります。この構造をつかめるかどうかが、導入の成否を分けます。

Payne と Frow (2005) が CRM の戦略的枠組みで論じたのも、CRM は単一のソフトウェアではなく、戦略・プロセス・情報・組織を束ねた 系 (システム) だという点でした。AI はその系の一部を強める部品であって、系そのものを置き換える万能薬ではありません。

03感情・関心の推定 ── どこまで「読める」のか

AI CRM でもっとも期待され、同時にもっとも誤解されているのが、顧客の「感情」や「関心」の推定です。まず、技術として何ができるかを冷静に区別します。

• 関心領域の推定 ── ある医師が過去に見た資料、質問した内容、参加した講演会から、次に関心を持ちそうな治療領域を推定する。行動データに基づく推定で、信頼度は比較的高い
• 反応の推定 ── 面談メモや問い合わせの文面から、肯定的か否定的か、前向きか慎重かを推定する。LLM が得意な領域だが、テキストの読み取りにはブレがあり、鵜呑みは危ない
• 「心の状態」の推定 ── 顧客本人が口にしていない内面 (満足・不満・迷い) を推定する。ここが倫理と精度の両面でもっとも危うい

関心領域の推定と「心の状態」の推定は、技術としては地続きでも、実務ではまったく別物として扱うべきです。前者は顧客が行動で示したものを整理しているだけですが、後者は顧客が見せていない内面を機械が決めつける行為に近づきます。推定が外れたまま担当者がそれを信じて動けば、関係はむしろ壊れます。

04MR 支援への応用 ── 情報運搬から関係設計へ

製薬の現場で CRM × AI がもっとも直接に効くのは、MR (Medical Representative＝医薬情報担当者) の活動支援です。これまで MR は、膨大な担当医師の訪問計画・面談準備・フォローの多くを、記憶と経験で回してきました。AI CRM はここを次のように変えます。

ここで踏み外してはならない一線があります。MR 活動は 本サイトでも繰り返し扱う通り、「医療用医薬品の販売情報提供活動に関するガイドライン」(販提G。厚生労働省 医薬・生活衛生局長通知、2018 年) の下にあります。AI が「この医師にはこの効能を強めに推せば処方が増える」と提案しても、それが承認された効能・効果や用法・用量の範囲を超えれば、提供してはならない情報です。AI は面談の効率を上げる道具であって、規制の外に出る口実にはなりません。

むしろ AI CRM の値打ちは、逆の方向にあります。MR が「情報を運ぶ人」から「医師の課題を理解し、関係を設計する人」へ移るとき、AI が過去接触の整理と準備を肩代わりし、MR は人にしかできない対話に時間を割ける。これが健全な応用の方向です。

05属人性の解消 ── 「あの人にしか分からない」をなくす

従来 CRM の最大の弱点は、顧客理解が担当者個人に閉じることでした。ベテラン MR の頭には、担当医師の機微 ── 誰が学会でどの発表に反応したか、どの薬剤部長が価格に敏感か ── が詰まっています。ですが、それは CRM に書かれていません。異動すれば消え、後任はゼロから関係を作り直します。

AI CRM は、この属人性を 2 つの経路で減らします。

• 暗黙知の言語化 ── 面談メモを AI が構造化し、「この顧客はエビデンスを重んじる」「意思決定に時間をかける」といった特徴を、担当者が明示的に書かなくても抽出し、ためていく
• 引き継ぎの高速化 ── 後任者が着任時に、過去の全接触の要約と関係の経緯を数分で把握できる。「前任者しか知らない」状態が減る

ただし、ここには見落としやすい罠があります。属人性の解消は、担当者の値打ちを下げることではありません。暗黙知を組織の知に移すのは、担当者を取り替えのきく部品にするためではなく、同じ努力をゼロからやり直さずに済むようにするためです。この狙いを取り違え「AI があれば誰でもいい」と運用すれば、現場は入力に非協力的になり、データが痩せ、AI CRM そのものが動かなくなります。属人性の解消は、担当者を支える方向でしか成り立ちません。

06データ品質の壁 ── ゴミを入れればゴミが出る

AI CRM の最大の落とし穴は、派手な予測モデルではなく、地味なデータ品質です。「Garbage In, Garbage Out (ゴミを入れればゴミが出る)」という古い言い回しは、AI CRM でこそ痛烈に当てはまります。予測層がどれほど高度でも、記録層と統合層が汚れていれば、出力は信用できません。

現場で頻発する品質問題は、おおむね次の 4 つに集約されます。

これらは AI で勝手に消える問題ではありません。むしろ AI は汚れたデータを「もっともらしい予測」に変えてしまい、汚れが見えにくくなるという新しい害を生みます。データ品質は、入力ルールの設計・名寄せの仕組み・定期的なクレンジング (＝データの掃除) という、地道な運用でしか守れません。AI CRM の導入計画で、モデル選定より先に議論すべきはここです。

07倫理の境界 ── 「読める」と「読んでよい」は別

技術として推定できることと、推定してよいこと、さらに推定を 使って よいことは、それぞれ別の問いです。CRM × AI は顧客の内面に踏み込む力を持つからこそ、この 3 段の区別が要ります。製薬の場合、相手が医療従事者であっても、この境界は消えません。

守るべき柵を、法と倫理の両面から挙げます。

• 個人情報保護法 ── 顧客データの取得と利用は、個人情報の保護に関する法律 (個人情報保護法) の下にあります。利用目的の特定と通知・公表、目的外利用の制限、適正な取得が原則です。AI で新たに「感情推定」のような使い方をするなら、それが当初の利用目的の範囲に収まるか、あらためて確かめる必要があります
• 推定情報の扱い ── AI が生んだ「この人は不満を抱いている」という推定は、本人が提供していない情報です。これを本人に不利益な形で使えば、信頼を損ねるだけでなく、扱い方によっては法的にも問題になり得ます
• 販売情報提供活動の規律 ── 顧客理解を深めること自体は正当ですが、それを承認範囲を超えた情報提供の「効かせ方」に使えば、販提G の趣旨に反します。関係を読むことと、規制を回避することは、まったく別です

倫理の境界は、「バレなければよい」という発想では守れません。顧客 ── とりわけ医療従事者や、その先の患者さん ── の利益を軸に、「この推定を使うことは、相手のためになるか」を問い直し続ける。AI が精緻になるほど、この問いを人間が引き受ける責任は重くなります。

08ROI の見方 ── 何をもって「効いた」とするか

AI CRM の投資対効果 (ROI＝Return on Investment) は、測り方を誤ると、導入の是非を見誤ります。よくある失敗は、「予測精度」や「AI が出した提案の数」といった、AI 側の指標だけを見ることです。これらは手段の指標であって、成果の指標ではありません。

見るべき指標は、次のような階層で整理できます。

製薬 CRM の ROI でとくに気をつけたいのは、最終成果を短期の売上だけで測らないことです。CRM の値打ちは関係の続くところにあり、その効果は数か月から数年かけて現れます。四半期の処方数だけで AI CRM を評価すれば、まだ育っていない関係を「効果なし」と切り捨てることになります。Reichheld (2003) が推奨から成長を測る指標を論じたように、関係の質は遅れて成果に転じる。時間軸を長く取る評価設計が要ります。

09本サイトの他の章との接続

CRM × AI は、本シリーズの他回、そして本サイトの規制・信頼の議論と深く結びついています。読み合わせると、CRM の位置づけが立体的になります。

• AI Marketing 第 1 回 ── マーケティング再定義 ── CRM は 4 要素の「覚える」を担う。本回はその深掘り
• AI Marketing 第 6 回 ── MR × AI ── CRM が支える MR の役割再定義。関係設計の実務
• AI Marketing 第 5 回 ── コンテンツ × 規制 ── CRM が届ける情報の中身が受ける規制の議論
• 資材審査シリーズ ── CRM で配信する資材が通るべき審査の作法
• コンプライアンス ── 社会的信頼の構造 ── 顧客の内面に踏み込む CRM が拠って立つ信頼の基盤

CRM に AI を入れるとは、「履歴をしまう箱」を「次を読む装置」に変えることです。しかしこの変化は、予測モデルを買えば起きるものではありません。土台のデータが汚れていれば予測も汚れ、担当者の理解が個人に閉じたままなら AI は学べず、相手の内面を読もうとすれば倫理と法の境界に触れます。属人性・データ品質・倫理。この 3 つの壁を地道に越えた組織だけが、AI CRM を動かせます。

製薬の CRM は、相手が医療従事者であり、その先に患者さんがいるという点で、一般消費財の CRM より重い責任を負います。関係を読む力が上がるほど、それを何のために使うのかという問いが重くなる。AI CRM の目的は、顧客を効率よく動かすことではなく、規制と信頼を守りながら、担当者が人にしかできない対話に集中できるようにすることです。次回は、その一つ前の工程 ── クリエイティブそのものを AI でどう最適化するか ── に踏み込みます。